Pratiquement toutes les fonctions de notre corps nécessitent des interactions précises entre des types de molécules radicalement différents. La grande majorité du temps, ces rencontres ne donnent rien, mais quelques-uns spéciaux maintiennent la vie telle que nous la connaissons.

Drs. Faruck Morcos et Zachary Campbell de l'Université du Texas à Dallas poursuivent ce qui différencie une rencontre fructueuse d'un raté – un mystère avec de longues chances similaires à celui de trouver l'âme sœur parmi les millions métaphoriques de poissons dans la mer. Leur objectif ultime est de prévenir les relations qui deviennent toxiques et entraînent des maladies.

Une nouvelle étude, Publié dans Communication Nature , montre les progrès des chercheurs dans la compréhension de la façon dont les molécules appelées ARN s'apparient avec les partenaires protéiques prévus. Les chercheurs espèrent qu'ils seront finalement capables de prédire et de manipuler ces partenariats qui ont été créés au cours de millions d'années d'évolution.

"Nous essayons de comprendre comment les protéines atteignent une sélectivité remarquable pour certains ARN, " dit Campbell, professeur adjoint au Département des sciences biologiques de la Faculté des sciences naturelles et mathématiques. "D'habitude, les gens ont examiné ce problème au cas par cas. Nous croyons cela, en analysant des millions de variantes d'ARN à la fois, nous aiderons à révéler les principes fondamentaux de la façon dont les protéines de liaison à l'ARN reconnaissent ce qu'elles recherchent."

Bonnes connexions

ARN, qui signifie acide ribonucléique, est un type de petite molécule de structure similaire à l'ADN, le modèle génétique pour la construction et le maintien d'un organisme vivant. Alors que l'ADN réside à l'intérieur du noyau d'une cellule, des brins d'ARN se déplacent dans la cellule, portant des copies des instructions de l'ADN pour fabriquer des protéines.

Selon leur structure, certains ARN jouent des rôles au-delà de celui de messager. Ils peuvent se lier aux protéines et réguler la façon dont les gènes sont exprimés ou agir comme catalyseurs pour divers processus biologiques.

Les résultats sains des interactions ARN-protéine reposent sur le bon déroulement de ces réactions - des interactions défectueuses peuvent entraîner des problèmes de développement dans l'organisme, dont certains sont mortels. Pourtant ces rencontres sont mal comprises, en partie à cause du grand nombre d'interactions potentielles.

"Pour même un petit morceau d'ARN, il y a à peu près autant de combinaisons qu'il y a d'étoiles dans notre galaxie, ", a déclaré Campbell.

Prédire les morceaux

Maroc, également professeur adjoint de sciences biologiques, a développé des méthodes statistiques puissantes pour gérer les immenses volumes de données nécessaires à la construction d'un modèle qui quantifie l'espace d'un trillion de structures d'ARN possibles, et révèle lesquels sont les meilleurs candidats pour les interactions fonctionnelles.

Il décrit cette méthode comme fournissant « un grand nombre de pièces dans un puzzle géant, " permettant à l'équipe de prédire les pièces adjacentes à partir d'indices contextuels.

"Si les expériences ne peuvent pas capturer la structure d'ARN exacte que l'évolution a sélectionnée pour les interactions, il informe le modèle sur la façon d'inférer ces structures, " dit-il. " Non seulement cela, on peut aussi prédire des pièces qui n'ont jamais été utilisées au cours de l'évolution, mais cela peut potentiellement conduire à une interaction fonctionnelle."

Morcos a souligné comment les avancées technologiques dans le calcul des mégadonnées ont permis à leur projet de réussir.

"C'est nouveau dans cette pointe, les capacités expérimentales à haut débit et le séquençage de nouvelle génération nous ont permis d'explorer plus rapidement une multitude de possibilités et de paramètres, " dit-il. " En utilisant des approximations intelligentes, nous pouvons essentiellement résoudre un problème qui était informatiquement impossible."

Morcos a déclaré que la force de leur projet vient de ce que lui et Campbell apportent chacun à la table.

"Les méthodes expérimentales du Dr Campbell peuvent nous aider à échantillonner un très grand espace d'interactions fonctionnelles, " dit-il. " Pourtant, ce n'est qu'une fraction de la cartographie génétique complète. Mais lorsque nous combinons cela avec les modèles statistiques développés dans mon laboratoire, nous pouvons combler les lacunes de cet échantillonnage, et vraiment quantifier un énorme espace de possibilités."

Campbell a parlé du large éventail d'utilisations potentielles des données qu'ils ont recueillies.

« Cela nous permet d'esquisser quels partenariats sont les plus susceptibles de se produire, nous apprendre comment la sélectivité est atteinte, et, espérons-le, nous permettant d'améliorer ce qui a naturellement évolué, " il a dit.

Pour Campbell et Morcos, l'objectif est de concevoir de nouveaux types d'agents pharmacologiques qui empêchent les interactions indésirables qui conduisent à la maladie ou imitent les interactions bénéfiques.

« En comprenant comment se produit la reconnaissance entre partenaires, nous pouvons en apprendre beaucoup sur la physiologie humaine, ainsi que les génomes viraux et bactériens et les liaisons qui pourraient être perturbées pour améliorer la santé humaine, ", a déclaré Campbell.